基于内容的图片检索方法有很多，即便是传统算法也能达到不错的效果。 本项目起源于要求使用传统算法（SIFT）完成的课程作业，但实现过程中遇到了一些影响实际使用的问题（例如建立索引慢）。 经过简单调研（指咨询群友和 Google）后发现 PC 上并没有什么好用的本地图片检索工具，于是干脆在作业外另外弄了这个小工具。
使用到的主要工具是 EfficientNet 和 Hnswlib，使用前者在 ImageNet 上的预训练模型进行特征抽取，使用后者进行特征索引及检索。因 EfficientNet 的 PyTorch 实现尚未提供 Python 3.7 及后续版本的支持，使用 ONNX 进行推理可方便安装使用，降低依赖门槛同时方便进一步移植开发 （虽然大概率咕了）。
使用前请注意，如果有任何使用上的问题请尽量自行解决（特别是 GUI 版本）。
比起花费时间维护，咱更希望像 digiKam/Eagle 这样的专业图像管理软件加入特性持续维护。
如果您有任何新点子，欢迎 fork 实现后 pull request。
- Python 3.6+
- numpy
- onnxruntime
- hnswlib
- pillow
- tqdm
- onnx (若需更换模型则必要)
- PyQt5 (使用 GUI 则必要)
当前 GUI 版本打包仅支持 Windows x86_64 环境使用
初次使用需要建立索引：
- 双击
start.bat打开 - 单击
设置-添加索引目录添加需要索引的图库目录 - 单击
更新索引目录建立索引
搜索图片：
- 单击
...选择图片 - 设置返回结果数量
- 单击
开始搜索 - 双击返回结果的文件路径打开图片
后续索引更新：
- 单击
设置-更新索引目录更新索引
- 第一次使用时对图片仓库文件夹建立索引
from utils import *
# 图片仓库的文件夹路径
image_dir = 'YOUR_IMAGE_DIR'
# 递归读取文件目录
exists_index = index_target_dir(image_dir)
# 按路径索引顺序建立内容检索索引
update_ir_index(exists_index)- 后续更新索引
from utils import *
# 图片仓库的文件夹路径
image_dir = 'YOUR_IMAGE_DIR'
# 从索引中删除已经不存在的文件
remove_nonexists()
# 往索引更新新加入的文件
exists_index = index_target_dir(image_dir)
# 按路径索引顺序建立内容检索索引
update_ir_index(exists_index)- 以图搜图
from utils import *
# 用来搜索的图片路径
input_path = 'YOUR_IMAGE_PATH'
# 获取图库文件夹的路径索引记录
exists_index = get_exists_index()
# checkout(被检索图片路径，图片仓库的索引，返回结果的数量) 返回匹配的图片路径
results = checkout(input_path, exists_index, 2)
# 打印搜索结果
print(f'Input: {input_path} Result: {",".join(results)}')Q：可承载最大索引数量是多少？如何修改？
A：目前是 1000000。可以在efficient_ir.py中修改，数值将在下一次加载时生效。
Q：需要删除某一张图片的索引该如何操作？
A：参考utils.py中remove_nonexists的实现。
Q：改变搜索结果数量？
A：修改调用 checkout 的第三个参数。
Q：更换更大规模的模型？
A：首先转换 EfficientNet 模型到 ONNX 格式并使用opti.py优化，接着修改efficient_ir.py中的img_size和model_path，最后重新索引即可。
Q：检索效果不佳怎么解决？
A：当前代码中使用 b2 级别模型是权衡之后决定的，若追求更佳检索效果请自行更换更大规模的模型。
-
实现 Cli 工具 - 实现 GUI 工具
- 移植到 C++ 使用
- 替换 digiKam 内的模糊搜索